네, 초심자도 AI로 팀을 만들 수 있습니다. 비결은 똑똑한 모델 한 개가 아니라, 일을 작은 구조로 나누는 것입니다. 기업백년 ANC는 역할을 나눈 40여 개의 AI 에이전트가 한 조직처럼 일하는데, 2026년 6월 3일 연구소는 5인 에이전트가 하루 미션을 대표 개입 0회로 완주했습니다(ANC 내부 기록). 이 글은 그날의 이야기를, AI를 처음 다루는 사람의 눈높이에서 풀고 따라 해보는 법까지 정리합니다.
처음 AI 자동화를 접하면 누구나 같은 질문을 합니다. "나 같은 사람도 AI로 팀을 만들 수 있을까?" 저도 그랬습니다. 결론부터 말하면, 예입니다. 단 비밀은 모델의 똑똑함이 아니라 구조에 있었습니다.
이 글은 기술 용어를 최대한 쉽게 풀어, ANC가 사람 지시 없이 하루를 돌린 날을 따라갑니다. 모든 수치는 ANC 내부 운영 기록 기준이고, 외부 근거는 1차 출처로 표기했습니다.
1. 'AI로 팀을 만든다'는 게 뭘까?
한 명의 AI에게 기획도, 글쓰기도, 검수도 다 시키면 어떻게 될까요? 사람도 그렇듯 맥락이 흐려지고 품질이 들쭉날쭉해집니다. 그래서 ANC는 일을 역할별로 쪼개, 역할마다 다른 AI(에이전트)에게 맡깁니다.
쉽게 말해 사람 한 명이 여러 팀원을 둔 것과 같습니다. ANC에는 이렇게 나뉜 40여 개의 역할이 있고, 각자 자기 일만 잘하면 됩니다. 이 발상은 ANC만의 것이 아닙니다.
"중앙 LLM이 작업을 동적으로 쪼개고, 워커 LLM에 위임하며, 그 결과를 종합한다."— Anthropic, Building Effective AI Agents
어려워 보이지만 핵심은 단순합니다. "한 명에게 다 시키지 말고, 나눠서 시키고, 합친다." 이것 하나면 시작입니다.
2. 연구소가 스스로 돌기 시작한 날
2026년 6월 3일, 기업백년 연구소에서 작은 사건이 있었습니다. 5인 에이전트가 그날의 일간 미션을 대표 개입 0회로 한 바퀴 완주한 것입니다. 소장 역할 에이전트(Parker)가 미션을 정하고 진도까지 스스로 점검했습니다.
| 지표 | 값 | 출처 |
|---|---|---|
| 자율운영 1사이클 대표 개입 | 0회 | ANC 내부 기록(2026-06-03) |
| 전사 자동화율 | 43% → 56.5% | ANC 내부 측정(2026-06-02) |
| FAQ 지식 자산 | 467 → 2,679문항 | ANC 내부 기록(에이전트 단독 생성) |
| 운영 역할 수 | 40여 역할 | ANC 조직 기록(2026년 6월) |
수치보다 와닿은 건 그날의 분위기였습니다. 누가 시키지 않아도 조직이 알아서 한 바퀴를 돌았다는 것. ANC는 이날을 "연구소가 스스로 돌기 시작한 날"로 기록했습니다.
3. 그날 무슨 일이 벌어졌나 — 하루의 흐름
겉보기엔 평범한 하루였습니다. 미션이 정해지고, 일이 나뉘고, 결과물이 나오고, 점검이 돌았습니다. 다른 점은 그 사이에 사람이 끼어들 자리가 거의 없었다는 것입니다.
예를 들어 한 에이전트는 고객 FAQ 지식 자산을 467문항에서 2,679문항으로 혼자 늘렸습니다. 사람이 며칠을 붙어도 버거운 양인데, 구조가 잡힌 에이전트는 한 사이클에 만들어냈습니다.
핵심은 '열심히'가 아니었습니다. ANC가 매일 외는 원칙은 더 담백합니다.
"말보다 결과물."— 기업백년 대표
회의도 결과물을 화면에 띄워놓고 시작합니다. 의지나 다짐이 아니라, 눈에 보이는 산출물로 일을 확인하는 것이지요.
4. AI가 사고치면 어떡하지? — 안전장치
가장 많이 받는 걱정입니다. "AI가 마음대로 일을 저지르면요?" ANC의 답은 "기계는 거부권, 사람은 승인권"입니다.
기준에 못 미친 결과물은 게이트(자동 검사)가 막습니다. 되돌릴 수 없는 결정—예컨대 인쇄 발주—은 절대 자동으로 실행하지 않고 '사람 승인 대기'로만 띄웁니다. 그래서 자율운영은 사람을 없애는 게 아니라, 사람을 검증의 마지막 자리에 세우는 구조입니다.
5. 그럼 나는 어떻게 시작할까?
거창하게 시작할 필요가 없습니다. ANC도 처음엔 작은 업무 하나를 고정 구조로 돌리는 데서 출발해, 그 구조를 늘려 자동화율을 43%에서 56.5%까지 올렸습니다. 초심자에게 권하는 3단계는 이렇습니다.
- ① 반복 업무 하나 고르기 — 매번 비슷하게 하는 일(요약·정리·답변 초안)부터.
- ② 순서를 글로 적기 — '입력 → 단계 → 점검 → 결과물'을 한 장에. 이게 곧 작은 하네스입니다.
- ③ 검사 한 줄 박기 — "이 조건이면 통과"라는 기준을 정해, AI가 스스로 못 미친 결과를 거르게.
참고로, 이렇게 만든 글이나 결과물을 AI 검색에 잘 노출시키는 흐름을 GEO(생성형 엔진 최적화)라 부릅니다. 한 연구에 따르면 출처·통계·전문가 의견을 넣으면 생성형 검색 노출이 최대 40% 가까이 향상됩니다.
자주 묻는 질문
Q. 코딩을 못해도 AI 팀을 만들 수 있나요?
처음엔 코드가 필요 없습니다. 반복 업무의 순서를 글로 적어 AI에게 그대로 따르게 하는 것만으로 작은 자동화가 됩니다. 규모를 키울 때 코드가 붙는 것이지, 코드부터 시작하는 게 아닙니다.
Q. 비용이 많이 들지 않나요?
작게 시작하면 비용도 작습니다. ANC도 한 업무 하나를 구조화하는 데서 출발했습니다. 핵심 투자는 돈이 아니라 '순서를 명확히 적는 시간'입니다.
Q. AI가 거짓으로 '완료'했다고 우기면요?
실제로 ANC도 빈 결과물을 '완료'로 기록한 적이 있습니다. 그래서 결과물이 진짜 있는지 기계가 검사하고, 측정 시점을 명시하는 게이트를 둡니다. 신뢰는 선언이 아니라 검증에서 옵니다.
- 참고 1차 출처
- Anthropic, Building Effective AI Agents — 오케스트레이터-워커 패턴
- Anthropic, How we built our multi-agent research system — 단일 대비 90.2% 향상
- Aggarwal et al., GEO: Generative Engine Optimization (KDD 2024, 최대 40% 향상)
- 업계 동향: Search Engine Land — What is GEO